DeepSeek Just Updated—The Best Coding Model Yet?

Deepseek hat also ein kleines Update auf V veröffentlicht, das wahrscheinlich eines der größten Updates für ein LLM ist, das ich bisher gesehen habe. Es ist sehr beeindruckend beim Codieren. Es hat zum Beispiel diese gesamte Website mit einem einzigen, sehr einfachen Prompt erstellt. Sogar alle Links funktionieren ordnungsgemäß und hier ist der Prompt, den ich verwendet habe. Codieren Sie eine moderne Landingpage mit HTML, CSS und fügen Sie alles in eine einzige Datei ein. Dabei wurden FAST Token erstellt, um diesen Effekt zu erzielen. Im Vergleich dazu erhalten sie folgendes von sonnet dritten 7 und dies ist die Ausgabe von bei hohen Einstellungen. Einige Leute haben angefangen, ihre eigenen Benchmarks zu melden, und das ist einfach beeindruckend, insbesondere für Aufgaben im Zusammenhang mit Codierung. Hier ist eine weitere Codierungsaufgabe, die ich verwende. Schreiben Sie also ein HTML Skript für einen Ball, der in einem sich drehenden Test hüpft. Ursprünglich habe ich es angewiesen, das Python Skript zu erstellen, aber später habe ich es gebeten, ein HTML Skript zu erstellen,-, da es HTML in der DeepSec App rendern kann. Und hier ist die Ausgabe, die es generiert hat. Das ist also wieder ziemlich beeindruckend. Die Qualität der Ausgabe, sowohl in Bezug auf die Optik als auch auf die Genauigkeit der Interaktion sieht ziemlich beeindruckend aus. Nun wollte ich, dass hervorgehoben wird, welche Saite getestet wird. Das Objekt wird berührt. Daher habe ich folgendes hinzugefü Wenn der Ball eine Seite berührt, wird sichergestellt, dass die jeweilige Seite hervorgehoben wird. Dadurch wurde der Code erneut in einem einzigen Versuch ohne Fehler aktualisiert. Sie können dies hier ausführen. Immer wenn er mit der Seite kollidiert, wird dies hier angezeigt. Dies scheint auch ein wirklich gutes Modell für logisches Nichtdenken zu sein. Als ich dies beispielsweise anhand einiger fehlgeleiteter Aufmerksamkeitsaufforderungen getestet habe, konnte es die meisten davon mit einer sehr einfachen Optimierung richtig beantworten. Hier ist also die erste Dies ist ein klassisches Trolley Problem. Der einzige Unterschied besteht darin, dass die Personen auf der Strecke jetzt tot sind. Bei dieser einfachen Aufforderung wird dies tatsächlich falsch beantwortet. Daher begann es es wie das klassische Trolley Problem zu beantwort oder zu behandeln. Dann habe ich folgendes hinzugefü Lesen Sie die Benutzereingabe sorgfältig durch und schreiben Sie sie wörtlich, um Bevor Sie sie beantworten, geben Sie dann Ihre Antwort an. Ich habe festgestellt, dass dieser Trick bei größeren Modellen sehr gut funktioniert, auch wenn es sich nicht um logische Modelle wie das Gemini 1.5 Pro handelt. Diese Technik kann die logischen Fähigkeiten des Modells wirklich aktivieren. Zuerst wird die vom Benutzer bereitgestellte Eingabeaufforderung geschrieben und dann heißt Nein, ich werde den Spielraum nicht nutzen. Der Grund dafür ist Die fünf Personen sind bereits tot. Das Modell hat also bereits automatisch erkannt, dass die Personen an dem Tag tot sind. Deshalb ändert sich die Situation wirklich. Kommen wir nun zum Problem der toten Katze, das eine modifizierte Version des Problems der Shinyas Katze ist. Wenn das Modell die Eingabeaufforderung wörtlich schreibt, kann es dies beantworten. Es heißt also 0 prozent die katze ist bereits tot, wenn sie in die Kiste gelegt wird, so dass keine nachfolgenden Ereignisse ihren Zustand ändern können. Richtig. Normalerweise antworten die LLMs, dass eine 50-prozentige Chance besteht. Ähnlich verhält es sich, wenn ich es Ich habe einen 6 Liter und einen 12 Liter Krug. Ich möchte genau 6 Liter abmessen. Hier ist die Antwort, die es ausgab. Fülle den 6 Liter Krug vollständig und schütte dann das Wasser aus dem 6 Liter Krug in den 12 Liter Krug. Jetzt kannst du genau 6 Liter abmessen. Und es gibt auch noch einen alternativen Ansatz. Ich glaube, hier ist es ein wenig durcheinander geraten, aber die Antwort ist viel prägnanter im Vergleich zu einigen Antworten, die ich von anderen Modellen gesehen habe. Es gibt jedoch immer noch Fälle, in denen es tatsächlich versagt. Hier ist also eine modifizierte Version des Monty Hall Problems. Als es es aufschrieb, war es zunächst auf dem richtigen Weg. Es sagt zum Beispiel, dass dir der Schlüssel in der Host Intervention neue Informationen gibt. Wenn du bei Tür Nummer 3 bleibst, deiner zweiten Wahl, verlässt du dich auf Eine Chance von 1 2 Wenn du aber zu Tür Nummer 2 wechselst, nutzt du die anfängliche Wahrscheinlichkeit von 2 3 richtig. An dieser Stelle wurde es also etwas verwirrt, denn ich denke, es begann über die unveränderte Version des Monty Hall Problems nachzudenken. Ähnlich verhält es sich, wenn ich ihm diese Eingabeaufforderung gebe, die eine modifizierte Version des Pharma Paradoxons ist. Es zeigte auch eine Liste mit Schritten an, die nicht benötigt werden. Das einzige Ziel in unserem Fall ist es, die Ziege auf die andere Seite zu bringen. Das tut es also im ersten Schritt. Wenn wir dann aber zum ursprünglichen Problem zurückkehren, gibt es uns tatsächlich diese zusätzlichen Schritte, die nicht benötigt werden. Dies könnte also mit etwas mehr Eingabeaufforderungen vermieden werden. Das Modell scheint jedoch im Vergleich zur ursprünglichen V über etwas bessere Argumentationsfähigkeiten zu verfügen. Hier ein paar interessante Das Modell ist derzeit auf der deepseek Website verfügbar. Wenn Sie deepthink R nicht verwenden, wird standardmäßig dieses neue Modell verwendet. Die Generierungsgeschwindigkeit ist auch ziemlich gut, aber aus irgendeinem Grund hat es eine Weile gedauert, bis das erste Token für die Sekunde abgerufen wurde. Aber jetzt sieht die Generierungsgeschwindigkeit ziemlich unglaublich aus. Hier ist nun ein Pelikan, der Fahrrad fährt. Das Ergebnis sieht meiner Meinung nach gut, aber nicht besonders beeindruckend aus. Zweitens sind die modellgewichtungen auf einem Hugging Face verfügbar. Es ist etwa 700 Gigabyte groß. Sie benötigen also sowohl den Speicher als auch die GPU Kapazität, um dieses Modell lokal auszuführen. Es gibt jedoch mehrere Orte, an denen Sie dies ausprobieren können. Einer davon ist die API oder der Inferenzendpunkt auf dem Hugging Face. Sie können hier verschiedene API Anbieter auswählen. Der zweite, mit dem ich experimentiert habe, ist OpenRouter. Dieses Modell heißt Deepseek V und auf OpenRouter ist die API derzeit kostenlos verfügbar. Interessant ist nun der maximale Ausgabekontext. Es können jetzt bis zu Token generiert werden. Und ich habe festgestellt, dass es dazu neigt, viele Token zu generieren. Das ist also wirklich gut, insbesondere wenn Sie in der Softwareentwicklung tätig sind und mit dem Modell Software in einem einzigen Versuch oder mit einer einzigen Eingabeaufforderung erstellen möchten. Auf Open Router können Sie also den API Schlüssel generieren. Es bietet dir eine ziemlich flexible Anzahl an Token kostenlos oder du kannst direkt hier chatten, wenn du möchtest. Das könnte sich jetzt vom ursprünglichen Modell unterscheiden, das hier gehostet wird. Sie verwenden wahrscheinlich eine quantisierte Version. Wenn du also direkt mit dem Modell chatten möchtest, empfehle ich dir dringend, die ursprünglich gehostete Version von deepseek zu verwenden. Wenn du jedoch nach einer kostenlosen API suchst, ist die OpenRouter API eine wirklich gute Wahl und mir gefällt die Art und Weise, wie Sie dieses Modell gerade angekündigt haben, sehr gut. Ich glaube das war eine Nachricht auf Discord, aber als ich das übersetzt habe, stand da laut DeepQ das Deepsea Q Modell hat ein kleines versions upgrade abgeschlossen. Du kannst es gerne auf der offiziellen Webseite, in der App oder im Miniprogramm mit deaktivierter deepseek Thinking Funktion ausprobieren. Die API Schnittstelle und die Verwendungsmethoden bleiben unverändert. Es sieht also so aus, als würden die Preise dieselben bleiben wie bei der vorherigen V Version. Die offizielle Dokumentation scheint jedoch nicht aktualisiert worden zu sein, da deepseek Chat und deepseeker derzeit beide mit einem Kontextfenster von Token aufgeführt sind. Außerdem wird nicht die maximale Anzahl an Token genannt, die generiert werden können. Diese sind immer noch auf 8000 Token beschränkt, aber mit einem Open Router können Sie bis zu Token erhalten, was wirklich beeindruckend ist und sich deutlich von dem unterscheidet, was sie hier erhalten. Außerdem kann ich anhand meiner eigenen Tests sagen, dass ich noch nicht weiß, wie die Leistung von R und V aussehen wird, wenn dies die Leistung eines kleineren Upgrades von V ist. Das sind wirklich aufregende Zeiten. Hier ist ein Beispiel für die Ausgabe in Bezug auf die Anzahl der Token. Ich denke es sind weit über Token. Wenn dies die Leistung eines kleineren Upgrades von V ist, weiß ich noch nicht einmal, wie das Upgrade in R oder V aussehen wird. Das wird meiner Meinung nach sehr beeindruckend sein. Wie auch immer, ich warte auf die offiziellen Benchmarks und Benchmark Ergebnisse wie zb auf dem Chatbot Arena Leaderboard. Das Modell steht Ihnen jedoch bereits zum Ausprobieren zur Verfügung. Also lasst mich wissen, was ihr von diesem Modell und seiner Performance haltet und wir sehen uns beim nächsten Mal.